江苏龙网

  1. 主页 > 生活百科 > >

阿尔法狗VS百度大脑 挑战百度大脑


阿尔法狗VS百度大脑 挑战百度大脑

文章插图
挑战百度大脑(阿尔法狗VS百度大脑)
最近人机大战又上演了 。这一次，谷歌的AlphaGo化身网络高手，碾压9位各路高手 。最终以60胜击败了所有人类对手，创造了人类在象棋信息资源和网络艺术领域第一次被人工智能彻底碾压的历史 。
另一方面，江苏卫视最近播出的节目《超脑》也开始了人机决战 。第一期挑战跨年龄人脸识别的节目中，百度大脑3: 2战胜人类，人工智能再次战胜人类 。
而这两场战役也引发了网友关于AlphaGo和百度大脑谁更厉害的讨论 。更多的人更倾向于下围棋的AlphaGo应该更好，因为下围棋似乎更难，但实际上并非如此 。这里来做点科普吧 。
什么是深度学习？
AlphaGo和百度的大脑技术，其实是一个学校出来的 。两个信息资源网都采用了基于神经网络的前沿深度学习技术 。
传统的计算机技术是线性模型，即输入一个值后，会得到一个唯一的答案 。然而，深度学习通过模拟人脑来“分层”数据网络 。它通过监督学习，给机器各种数据，不断反复训练，最后让机器给出一个最大概率的答案 。如果回答不够准确，那么机器会通过监督反复学习 。
阿尔法狗的围棋和百度的人脸识别背后都采用了深度学习的方法 。
阿尔法狗下围棋的原理
这里不讨论具体的技术细节，而是技术的本质原理 。
国际象棋一直是机器的难题，因为考虑到每个棋子的可能走法，以输赢结束，所有棋子的可能走法总数加起来比宇宙的原子序数还多 。由于存储的限制，早期的机器无法满足如此巨大的挑战，所以挑战国际象棋大师卡斯特罗是非常好的，而挑战围棋是不可能的 。
随着近年来信息资源网络硬件的发展，计算机的存储、CPU、集群计算等能力急剧增加 。当年只有一台小型计算机打败了卡斯特罗，现在变成了集群计算机，计算能力从只能单打独斗的阶段上升到了上百台计算机可以群起而攻之的阶段 。
另一个重点是深度学习技术，可以反复训练模拟决斗 。以胜负为结束标志，有了学习反馈，可以模拟成千上万的棋局，经过夜以继日的学习，最终达到大师级别 。
也就是说，集群计算+深度学习大大减少了暴力穷举的次数，调试器只有不断修改算法模型才能得到最好的结果 。
百度跨年龄大脑识别的核心原则
百度大脑挑战的跨年龄识别也是用深度学习的原理，但也有区别 。
即使在象棋中使用了深度识别，本质仍然是暴力计算，但是深度学习模型大大降低了暴力计算的无用程度 。可以实现图像识别和简单的非暴力计算，因为面对太多的不确定性，每一张图片都充满了太多意想不到的问题，比如光线因素、侧脸、面具和其他面具等等，这些都会影响机器的结果 。
所以长期以来，机器在各种棋艺上对人类提出了很多挑战，但我从未见过机器挑战人脸识别的案例 。正是因为难度极大，所以即使有深度学习的帮助，我依然无法立竿见影 。
另外这个比赛是跨年龄鉴定，这也是世界顶级难题 。对于象棋的深度训练，机器可以通过胜负最终得到一个反馈结果，机器可以有效的反复训练，直到获胜 。然而跨年龄人脸识别就没那么幸运了 。里面的数据太少，很难收集训练数据 。没有足够的数据，基于深度学习的神经网络很难学习到跨年龄的类内和类间变化 。
俗话说，巧妇难为无米之炊 。
百度大脑挑战的跨年龄识别，是在数据匮乏的情况下做出的挑战 。通过改变各种算法策略和深度训练模型，最终取得了非常好的效果 。
人脸识别很难下围棋，却引起不同的感受 。
机器擅长做的是重复的逻辑工作，但对于非黑即白、完全依赖经验的围棋来说，机器其实更容易，因为它不需要面对不确定的环境 。
人脸识别之类的工作就不是这样了 。机器不仅依赖的经验有限，还需要面对随时出现的不确定性，所以克服的难度还是巨大的 。
当然，说到底，以上都只是方向问题 。整体来说，人工智能在人脸识别这个研究方向上很难下棋 。所以，人脸识别要想有一点点进步，代价比下棋还大 。
象棋机器擅长的领域代表了人类的智力颠覆，所以对我们所有人的震撼更大 。人脸识别是机器的软肋，但却是我们每个人与生俱来的能力，并不能让人产生很大的震撼 。所以甚至有人认为象棋的难度大于人脸识别，这只是站在人的立场上考虑问题 。
结论:


推荐阅读


上一篇：杭州唯一一家金钱豹歇业了！ 杭州金钱豹自助餐

下一篇：雪佛兰suv有哪几款车 雪佛兰suv